Para lograr ejecutar correctamente el notebook, se proporciona un requirements que tiene todas las librerias necesarias. Es importante realizar la observación que debido a las distintas versiones, se utilizó pythom 3.8 para lograr que todos los requerimientos se instalen correctamente.
In [173]:
import os
import json
import re
import nltk
import pydot
import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt
from wordcloud import WordCloud
from nltk.corpus import stopwords
from IPython.display import Image, display
from networkx.drawing.nx_pydot import write_dot, read_dot
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import community.community_louvain as community_louvain
import numpy as np
import nltk
from nltk.sentiment import SentimentIntensityAnalyzer
from gensim.corpora.dictionary import Dictionary
from gensim.models import LdaModel
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
💻 Carga de la información¶
In [174]:
with open('tioberny.txt', 'r', encoding='utf-16') as file:
tweets = [json.loads(line) for line in file]
df_tweets = pd.DataFrame(tweets)
print(df_tweets)
id id_str \
0 1834281080029110288 1834281080029110288
1 1834252464092069901 1834252464092069901
2 1834280919336976681 1834280919336976681
3 1834280512933732694 1834280512933732694
4 1834279986254987428 1834279986254987428
... ... ...
5014 1832570119563743682 1832570119563743682
5015 1832569640079270018 1832569640079270018
5016 1832569563109896313 1832569563109896313
5017 1832568528508968963 1832568528508968963
5018 1832567980749660272 1832567980749660272
url \
0 https://x.com/La_ReVoluZzion/status/1834281080...
1 https://x.com/XelaNewsGt/status/18342524640920...
2 https://x.com/M24095273/status/183428091933697...
3 https://x.com/carlosalbesc/status/183428051293...
4 https://x.com/Brenda_AGN/status/18342799862549...
... ...
5014 https://x.com/Benjamdc7/status/183257011956374...
5015 https://x.com/lfarivas/status/1832569640079270018
5016 https://x.com/MynorAroldopab1/status/183256956...
5017 https://x.com/extasisvgames/status/18325685285...
5018 https://x.com/Elemasurf/status/183256798074966...
date \
0 2024-09-12 17:21:03+00:00
1 2024-09-12 15:27:20+00:00
2 2024-09-12 17:20:25+00:00
3 2024-09-12 17:18:48+00:00
4 2024-09-12 17:16:42+00:00
... ...
5014 2024-09-08 00:02:18+00:00
5015 2024-09-08 00:00:24+00:00
5016 2024-09-08 00:00:05+00:00
5017 2024-09-07 23:55:59+00:00
5018 2024-09-07 23:53:48+00:00
user lang \
0 {'id': 1435062946598694914, 'id_str': '1435062... es
1 {'id': 956650778634145792, 'id_str': '95665077... es
2 {'id': 1087057038755143680, 'id_str': '1087057... es
3 {'id': 2881001877, 'id_str': '2881001877', 'ur... es
4 {'id': 3013862206, 'id_str': '3013862206', 'ur... es
... ... ...
5014 {'id': 1756407688060088320, 'id_str': '1756407... es
5015 {'id': 266309394, 'id_str': '266309394', 'url'... es
5016 {'id': 816386114999226368, 'id_str': '81638611... es
5017 {'id': 725073085, 'id_str': '725073085', 'url'... es
5018 {'id': 137470585, 'id_str': '137470585', 'url'... es
rawContent replyCount \
0 _\nConfirmado Compañeres,\n\nEl impuesto por l... 0
1 #URGENTE Lo que los medios #faferos no informa... 12
2 @IvanDuque @BArevalodeLeon Con que usaste PEGA... 0
3 @IvanDuque @BArevalodeLeon Entre Ellos se enti... 0
4 El presidente @BArevalodeLeon y la vicepreside... 0
... ... ...
5014 @marvgcaceres @diaco_gt @GuatemalaGob @vinicio... 0
5015 @Soygeorgegt Lastima @BArevalodeLeon la gente ... 0
5016 Alguien sabe si este precio es culpa de @BArev... 0
5017 @guate_opina @BArevalodeLeon Y los diputados p... 0
5018 @ElQueNews @BArevalodeLeon @lucreciapeinado @F... 1
retweetCount likeCount ... coordinates inReplyToTweetId \
0 0 0 ... None NaN
1 80 142 ... None NaN
2 0 0 ... None 1.834197e+18
3 0 0 ... None 1.834197e+18
4 0 0 ... None NaN
... ... ... ... ... ...
5014 0 0 ... None 1.832220e+18
5015 0 0 ... None 1.832082e+18
5016 0 0 ... None NaN
5017 0 1 ... None 1.832428e+18
5018 1 20 ... None 1.832431e+18
inReplyToTweetIdStr inReplyToUser \
0 None None
1 None None
2 1834197215415599186 {'id': 77653794, 'id_str': '77653794', 'userna...
3 1834197215415599186 {'id': 77653794, 'id_str': '77653794', 'userna...
4 None None
... ... ...
5014 1832219768331362527 {'id': 196005322, 'id_str': '196005322', 'user...
5015 1832082118718939516 {'id': 205009534, 'id_str': '205009534', 'user...
5016 None None
5017 1832428364147097629 {'id': 821313911634984960, 'id_str': '82131391...
5018 1832430580631277725 {'id': 1245558419588894720, 'id_str': '1245558...
source \
0 <a href="http://twitter.com/download/android" ...
1 <a href="https://mobile.twitter.com" rel="nofo...
2 <a href="https://mobile.twitter.com" rel="nofo...
3 <a href="http://twitter.com/download/android" ...
4 <a href="http://twitter.com/download/android" ...
... ...
5014 <a href="http://twitter.com/download/iphone" r...
5015 <a href="http://twitter.com/download/android" ...
5016 <a href="http://twitter.com/download/android" ...
5017 <a href="http://twitter.com/download/android" ...
5018 <a href="http://twitter.com/download/iphone" r...
sourceUrl sourceLabel \
0 http://twitter.com/download/android Twitter for Android
1 https://mobile.twitter.com Twitter Web App
2 https://mobile.twitter.com Twitter Web App
3 http://twitter.com/download/android Twitter for Android
4 http://twitter.com/download/android Twitter for Android
... ... ...
5014 http://twitter.com/download/iphone Twitter for iPhone
5015 http://twitter.com/download/android Twitter for Android
5016 http://twitter.com/download/android Twitter for Android
5017 http://twitter.com/download/android Twitter for Android
5018 http://twitter.com/download/iphone Twitter for iPhone
media card \
0 {'photos': [], 'videos': [], 'animated': []} None
1 {'photos': [], 'videos': [{'thumbnailUrl': 'ht... None
2 {'photos': [], 'videos': [], 'animated': []} None
3 {'photos': [], 'videos': [], 'animated': []} None
4 {'photos': [{'url': 'https://pbs.twimg.com/med... None
... ... ...
5014 {'photos': [], 'videos': [], 'animated': []} None
5015 {'photos': [], 'videos': [], 'animated': []} None
5016 {'photos': [{'url': 'https://pbs.twimg.com/med... None
5017 {'photos': [{'url': 'https://pbs.twimg.com/med... None
5018 {'photos': [], 'videos': [], 'animated': []} None
_type
0 snscrape.modules.twitter.Tweet
1 snscrape.modules.twitter.Tweet
2 snscrape.modules.twitter.Tweet
3 snscrape.modules.twitter.Tweet
4 snscrape.modules.twitter.Tweet
... ...
5014 snscrape.modules.twitter.Tweet
5015 snscrape.modules.twitter.Tweet
5016 snscrape.modules.twitter.Tweet
5017 snscrape.modules.twitter.Tweet
5018 snscrape.modules.twitter.Tweet
[5019 rows x 32 columns]
🧹 Limpieza y preprocesamiento de datos¶
Como parte inicial se decide eliminar columnas duplicadas de IDs. Además, se remueven columnas que cuentan en su mayoría con valores nulos ya que no aportan información de manera significativa respecto al total de datos.
In [175]:
df_tweets.head(10)
df_tweets.columns
Out[175]:
Index(['id', 'id_str', 'url', 'date', 'user', 'lang', 'rawContent',
'replyCount', 'retweetCount', 'likeCount', 'quoteCount',
'bookmarkedCount', 'conversationId', 'conversationIdStr', 'hashtags',
'cashtags', 'mentionedUsers', 'links', 'viewCount', 'retweetedTweet',
'quotedTweet', 'place', 'coordinates', 'inReplyToTweetId',
'inReplyToTweetIdStr', 'inReplyToUser', 'source', 'sourceUrl',
'sourceLabel', 'media', 'card', '_type'],
dtype='object')
In [176]:
for i in ['id_str','url', 'conversationIdStr', 'inReplyToTweetIdStr']:
if i in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['id_str','url', 'conversationIdStr', 'inReplyToTweetIdStr'])
In [177]:
df_tweets.head(10)
df_tweets[['_type']].nunique()
Out[177]:
_type 1 dtype: int64
In [178]:
for i in ['id_str','url', 'conversationIdStr', 'inReplyToTweetIdStr', '_type']:
if i in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['_type'])
In [179]:
df_tweets.head(10)
df_tweets[['card']]
df_tweets[['card']].count()
non_null_values = df_tweets['card'].dropna()
print(non_null_values)
11 {'title': '🔴 | El presidente @BArevalodeLeon p...
22 {'title': '🔴 | El presidente @BArevalodeLeon p...
33 {'title': '🔴 | El presidente @BArevalodeLeon p...
34 {'title': '🔴 | El presidente @BArevalodeLeon p...
136 {'title': 'Xela News (@xelanewsgt) • Instagram...
439 {'title': 'Fabiola Roudha interpreta el himno ...
483 {'title': 'Resumen de noticias – miércoles 11 ...
624 {'title': 'CC anula fallo que confirmó condena...
685 {'title': 'Ricardo Mendez Ruiz', 'description'...
749 {'title': 'MP busca retirar la inmunidad del p...
801 {'title': 'Arévalo comparte con pobladores de ...
882 {'title': 'MP busca retirar la inmunidad del p...
985 {'title': 'TikTok · Fernando Cajas', 'descript...
1012 {'title': 'Presidente resalta el valor de los ...
1134 {'title': 'Más de 9 mil familias con insegurid...
1245 {'title': 'El futuro del agua', 'description':...
1430 {'title': 'Presidente Arévalo resalta legado e...
1432 {'title': '1.5K views · 45 reactions | SOBRAVA...
1443 {'title': '2.1K views · 91 reactions | DESARTI...
1499 {'title': '59 reactions · 5 comments | LA ONU,...
1602 {'title': 'TikTok · netymarroquin', 'descripti...
1608 {'title': 'Bernardo Arévalo: “Estamos en contr...
1805 {'title': '"Abandonada por el Hospital de San ...
1807 {'title': 'Poder Guazacapaneco | QUE NUESTRO M...
1833 {'title': 'Taylor Swift (@taylorswift) • Insta...
2050 {'options': [{'label': 'Otto Pérez', 'votesCou...
2538 {'title': '¡Entra a TikTok para descubrir vide...
2600 {'title': 'Presidente Arévalo se emociona en e...
2638 {'title': 'La trampa de la usurpación', 'descr...
3030 {'title': 'B410: Contratistas facturaron al Es...
3056 {'title': 'Presidente Arévalo visitará Quiché ...
3318 {'title': 'Ministerio Público de Panamá confir...
3375 {'title': 'Presidente Arévalo: Seguimos luchan...
3530 {'title': 'Presidente se reúne con representan...
3787 {'title': 'MP de Porras desestima 13 denuncias...
3830 {'title': 'Gobierno otorga asueto a empleados ...
3868 {'title': 'El último golpe del MP a las elecci...
3873 {'title': 'Comedores Sociales: Mides sigue con...
3993 {'title': 'Revolución en el mercado inmobiliar...
4021 {'title': 'Bernardo Arévalo: “Hemos reafirmado...
4509 {'title': 'Presidente Arévalo: Seguimos luchan...
4529 {'title': 'Parásitos al poder · La Voz de Xela...
4564 {'title': 'Presidente Bernardo Arévalo partici...
4623 {'title': 'Voces Indígenas Gt', 'description':...
4624 {'title': 'TikTok · RED UNO DE BOLIVIA', 'desc...
4627 {'title': 'Bernardo Arévalo: “Hemos reafirmado...
4663 {'options': [{'label': 'Si', 'votesCount': 0},...
4884 {'title': 'Guatemala: otra andanada feroz del ...
4950 {'title': 'Lic. Ana Lucia Alejos Botrán', 'des...
4981 {'title': 'Gobierno ha realizado 24 diálogos c...
Name: card, dtype: object
In [180]:
if 'card' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['card'])
In [181]:
df_tweets[['coordinates']].count()
if 'coordinates' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['coordinates'])
In [182]:
df_tweets.head(10)
df_tweets[['lang']].count()
df_tweets[['lang']].nunique()
Out[182]:
lang 20 dtype: int64
In [183]:
df_tweets[['place']].count()
on_null_values = df_tweets['place'].dropna()
print(non_null_values)
df_tweets[['place']].count()
if 'place' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['place'])
11 {'title': '🔴 | El presidente @BArevalodeLeon p...
22 {'title': '🔴 | El presidente @BArevalodeLeon p...
33 {'title': '🔴 | El presidente @BArevalodeLeon p...
34 {'title': '🔴 | El presidente @BArevalodeLeon p...
136 {'title': 'Xela News (@xelanewsgt) • Instagram...
439 {'title': 'Fabiola Roudha interpreta el himno ...
483 {'title': 'Resumen de noticias – miércoles 11 ...
624 {'title': 'CC anula fallo que confirmó condena...
685 {'title': 'Ricardo Mendez Ruiz', 'description'...
749 {'title': 'MP busca retirar la inmunidad del p...
801 {'title': 'Arévalo comparte con pobladores de ...
882 {'title': 'MP busca retirar la inmunidad del p...
985 {'title': 'TikTok · Fernando Cajas', 'descript...
1012 {'title': 'Presidente resalta el valor de los ...
1134 {'title': 'Más de 9 mil familias con insegurid...
1245 {'title': 'El futuro del agua', 'description':...
1430 {'title': 'Presidente Arévalo resalta legado e...
1432 {'title': '1.5K views · 45 reactions | SOBRAVA...
1443 {'title': '2.1K views · 91 reactions | DESARTI...
1499 {'title': '59 reactions · 5 comments | LA ONU,...
1602 {'title': 'TikTok · netymarroquin', 'descripti...
1608 {'title': 'Bernardo Arévalo: “Estamos en contr...
1805 {'title': '"Abandonada por el Hospital de San ...
1807 {'title': 'Poder Guazacapaneco | QUE NUESTRO M...
1833 {'title': 'Taylor Swift (@taylorswift) • Insta...
2050 {'options': [{'label': 'Otto Pérez', 'votesCou...
2538 {'title': '¡Entra a TikTok para descubrir vide...
2600 {'title': 'Presidente Arévalo se emociona en e...
2638 {'title': 'La trampa de la usurpación', 'descr...
3030 {'title': 'B410: Contratistas facturaron al Es...
3056 {'title': 'Presidente Arévalo visitará Quiché ...
3318 {'title': 'Ministerio Público de Panamá confir...
3375 {'title': 'Presidente Arévalo: Seguimos luchan...
3530 {'title': 'Presidente se reúne con representan...
3787 {'title': 'MP de Porras desestima 13 denuncias...
3830 {'title': 'Gobierno otorga asueto a empleados ...
3868 {'title': 'El último golpe del MP a las elecci...
3873 {'title': 'Comedores Sociales: Mides sigue con...
3993 {'title': 'Revolución en el mercado inmobiliar...
4021 {'title': 'Bernardo Arévalo: “Hemos reafirmado...
4509 {'title': 'Presidente Arévalo: Seguimos luchan...
4529 {'title': 'Parásitos al poder · La Voz de Xela...
4564 {'title': 'Presidente Bernardo Arévalo partici...
4623 {'title': 'Voces Indígenas Gt', 'description':...
4624 {'title': 'TikTok · RED UNO DE BOLIVIA', 'desc...
4627 {'title': 'Bernardo Arévalo: “Hemos reafirmado...
4663 {'options': [{'label': 'Si', 'votesCount': 0},...
4884 {'title': 'Guatemala: otra andanada feroz del ...
4950 {'title': 'Lic. Ana Lucia Alejos Botrán', 'des...
4981 {'title': 'Gobierno ha realizado 24 diálogos c...
Name: card, dtype: object
In [184]:
df_tweets.head(10)
if 'source' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['source'])
In [185]:
non_empty_count = df_tweets['cashtags'].apply(lambda x: len(x) > 0).sum()
print(f'Número de listas con al menos un valor: {non_empty_count}')
Número de listas con al menos un valor: 2
In [186]:
if 'cashtags' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['cashtags'])
In [187]:
print(f'Numero de retweets: {df_tweets["retweetedTweet"].sum()}')
Numero de retweets: 0
In [188]:
df_tweets[['retweetedTweet']].count()
if 'retweetedTweet' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['retweetedTweet'])
In [189]:
non_empty_count = df_tweets['links'].apply(lambda x: len(x) > 0).sum()
print(f'Número de listas con al menos un valor: {non_empty_count}')
if 'links' in df_tweets.columns:
df_tweets = df_tweets.drop(columns=['links'])
Número de listas con al menos un valor: 120
Luego, centrandonos en la información del propio texto del tweet, se deciden realizar ciertas operaciones de limpieza que ayuden en el análisis de la información que este contiene. Las operaciones de limpieza que se realizaron sobre rawContent son:
- Convertir el texto a minúsculas (para asegurar la normalización de los hashtags y las menciones)
- Remover URLs
- Eliminar carácteres especiales.
- Reemplazar saltos de línea por espacios.
- Eliminar stopwords.
- Eliminar menciones.
- Eliminar hashtags.
In [190]:
df_tweets_cleaned = df_tweets.copy()
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].str.lower()
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].apply(lambda x: re.sub(r'http\S+|www\S+|https\S+', '', x, flags=re.MULTILINE))
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].apply(lambda x: re.sub(r'[^a-zA-Z0-9áéíóúñ@#\s]', '', x))
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].apply(lambda x: x.replace('\n', ' ').replace('\r', ' '))
nltk.download('stopwords')
spanish_stopwords = set(stopwords.words('spanish'))
def remove_stopwords(text):
words = text.split()
filtered_words = [word for word in words if word not in spanish_stopwords]
return ' '.join(filtered_words)
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].apply(remove_stopwords)
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].apply(lambda x: re.sub(r'@\w+', '', x.replace('\n', ' ').replace('\r', ' ')))
df_tweets_cleaned['rawContent'] = df_tweets_cleaned['rawContent'].apply(lambda x: re.sub(r'[@#]\w+', '', x.replace('\n', ' ').replace('\r', ' ')))
print(df_tweets_cleaned[['rawContent']].head())
rawContent 0 confirmado compañeres impuesto solo cuenta pa... 1 medios informaron ayer acerca visita preside... 2 usaste pegasus espiar detractores obra narci... 3 entienden bien cuadrando productivareunión 4 presidente vicepresidenta participan sesión ...
[nltk_data] Downloading package stopwords to [nltk_data] C:\Users\daher\AppData\Roaming\nltk_data... [nltk_data] Package stopwords is already up-to-date!
Como las menciones fueron convertidas a minúsculas los usernames correspondientes también fueron convertidos a su versión minúscula para seguir la misma estructura. Para esto se utilizaron las funciones auxiliares proporcionadas abajo.
In [191]:
def process_user(user, property_name):
if isinstance(user, dict) and property_name in user:
user[property_name] = user[property_name].lower()
return user
In [192]:
def process_user2(user, property_name):
if user:
if property_name in user['user']:
user['user'][property_name] = user['user'][property_name].lower()
return user
In [193]:
def process_user3(user, property_name):
if user:
for i in user:
if isinstance(i, dict) and property_name in i:
i[property_name] = i[property_name].lower()
return user
In [194]:
df_tweets_cleaned['user'] = df_tweets_cleaned['user'].apply(lambda x: process_user(x, 'username'))
df_tweets_cleaned['inReplyToUser'] = df_tweets_cleaned['inReplyToUser'].apply(lambda x: process_user(x, 'username'))
df_tweets_cleaned['quotedTweet'] = df_tweets_cleaned['quotedTweet'].apply(lambda x: process_user2(x, 'username'))
df_tweets_cleaned['mentionedUsers'] = df_tweets_cleaned['mentionedUsers'].apply(lambda x: process_user3(x, 'username'))
In [195]:
def convert_hashtags_to_lowercase(hashtags):
return [hashtag.lower() for hashtag in hashtags]
In [196]:
df_tweets_cleaned['hashtags'] = df_tweets_cleaned['hashtags'].apply(convert_hashtags_to_lowercase)
Además, en función del contenido existente en rawContent, se eliminan tweets que estén duplicados en el dataset.
In [197]:
duplicated_count = df_tweets['rawContent'].duplicated().sum()
print(f'Número de tweets duplicados: {duplicated_count}')
df_tweets_cleaned = df_tweets_cleaned.drop_duplicates(subset=['rawContent'])
Número de tweets duplicados: 86
In [198]:
duplicated_count = df_tweets_cleaned['rawContent'].duplicated().sum()
print(f'Número de tweets duplicados: {duplicated_count}')
Número de tweets duplicados: 0
📚 Análisis exploratorio¶
Observando cómo se encuentra formada la información del usuario, menciones, retweets, respuestas entre otros.
In [199]:
dfUser = df_tweets_cleaned[1:2]['user']
for i in dfUser:
print(i)
{'id': 956650778634145792, 'id_str': '956650778634145792', 'url': 'https://x.com/XelaNewsGt', 'username': 'xelanewsgt', 'displayname': 'XelaNews', 'rawDescription': 'Noticias sin injerencias.', 'created': '2018-01-25 22:11:34+00:00', 'followersCount': 3462, 'friendsCount': 359, 'statusesCount': 2915, 'favouritesCount': 5717, 'listedCount': 3, 'mediaCount': 1132, 'location': 'Guatemala', 'profileImageUrl': 'https://pbs.twimg.com/profile_images/1795602273034199040/B_YZsc0K_normal.jpg', 'profileBannerUrl': 'https://pbs.twimg.com/profile_banners/956650778634145792/1704817554', 'protected': None, 'verified': False, 'blue': False, 'blueType': None, 'descriptionLinks': [], 'pinnedIds': [], '_type': 'snscrape.modules.twitter.User'}
In [200]:
dfInReplyToUser = df_tweets_cleaned[3:4]['inReplyToUser']
for i in dfInReplyToUser:
print(i)
{'id': 77653794, 'id_str': '77653794', 'username': 'ivanduque', 'displayname': 'Iván Duque 🇨🇴', '_type': 'snscrape.modules.twitter.UserRef'}
In [201]:
dfMentionedUsers = df_tweets_cleaned[0:1]['mentionedUsers']
for i in dfMentionedUsers:
for j in i:
print(j)
{'id': 23664866, 'id_str': '23664866', 'username': 'usembassyguate', 'displayname': 'US Embassy Guatemala', '_type': 'snscrape.modules.twitter.UserRef'}
{'id': 1001171061831020545, 'id_str': '1001171061831020545', 'username': '48cantonestoto', 'displayname': '48 Cantones Oficial', '_type': 'snscrape.modules.twitter.UserRef'}
{'id': 262691982, 'id_str': '262691982', 'username': 'usaidguate', 'displayname': 'USAID Guatemala', '_type': 'snscrape.modules.twitter.UserRef'}
{'id': 1362391326, 'id_str': '1362391326', 'username': 'ueguatemala', 'displayname': 'Unión Europea en Guatemala', '_type': 'snscrape.modules.twitter.UserRef'}
{'id': 945378369818058752, 'id_str': '945378369818058752', 'username': 'barevalodeleon', 'displayname': 'Bernardo Arévalo', '_type': 'snscrape.modules.twitter.UserRef'}
In [202]:
dfQuotedTweet = df_tweets_cleaned[0:1]['quotedTweet']
for i in dfQuotedTweet:
print(i)
{'id': 1834252464092069901, 'id_str': '1834252464092069901', 'url': 'https://x.com/XelaNewsGt/status/1834252464092069901', 'date': '2024-09-12 15:27:20+00:00', 'user': {'id': 956650778634145792, 'id_str': '956650778634145792', 'url': 'https://x.com/XelaNewsGt', 'username': 'xelanewsgt', 'displayname': 'XelaNews', 'rawDescription': 'Noticias sin injerencias.', 'created': '2018-01-25 22:11:34+00:00', 'followersCount': 3462, 'friendsCount': 359, 'statusesCount': 2915, 'favouritesCount': 5717, 'listedCount': 3, 'mediaCount': 1132, 'location': 'Guatemala', 'profileImageUrl': 'https://pbs.twimg.com/profile_images/1795602273034199040/B_YZsc0K_normal.jpg', 'profileBannerUrl': 'https://pbs.twimg.com/profile_banners/956650778634145792/1704817554', 'protected': None, 'verified': False, 'blue': False, 'blueType': None, 'descriptionLinks': [], 'pinnedIds': [], '_type': 'snscrape.modules.twitter.User'}, 'lang': 'es', 'rawContent': '#URGENTE Lo que los medios #faferos no informaron ayer, acerca de la visita del presidente #BernardoArévalo a #NebajQuiché, donde fue sacado a toda prisa por #SAAS ya que manifestantes pedían ser escuchados por el mandatario, quien decidió huir de esta manera.\n#XelaNews 🇫🇷 https://t.co/UQQbnvlfTa', 'replyCount': 12, 'retweetCount': 80, 'likeCount': 142, 'quoteCount': 15, 'bookmarkedCount': 10, 'conversationId': 1834252464092069901, 'conversationIdStr': '1834252464092069901', 'hashtags': ['URGENTE', 'faferos', 'BernardoArévalo', 'NebajQuiché', 'SAAS', 'XelaNews'], 'cashtags': [], 'mentionedUsers': [], 'links': [], 'viewCount': 5200, 'retweetedTweet': None, 'quotedTweet': None, 'place': None, 'coordinates': None, 'inReplyToTweetId': None, 'inReplyToTweetIdStr': None, 'inReplyToUser': None, 'source': '<a href="https://mobile.twitter.com" rel="nofollow">Twitter Web App</a>', 'sourceUrl': 'https://mobile.twitter.com', 'sourceLabel': 'Twitter Web App', 'media': {'photos': [], 'videos': [{'thumbnailUrl': 'https://pbs.twimg.com/ext_tw_video_thumb/1834251047067336704/pu/img/G5OBbEag4Ia9XjV8.jpg', 'variants': [{'contentType': 'video/mp4', 'bitrate': 256000, 'url': 'https://video.twimg.com/ext_tw_video/1834251047067336704/pu/vid/avc1/480x270/A6PltNzh5wADruCV.mp4?tag=12'}, {'contentType': 'video/mp4', 'bitrate': 832000, 'url': 'https://video.twimg.com/ext_tw_video/1834251047067336704/pu/vid/avc1/640x360/r4dgFMAS7UmJH7Sq.mp4?tag=12'}, {'contentType': 'video/mp4', 'bitrate': 2176000, 'url': 'https://video.twimg.com/ext_tw_video/1834251047067336704/pu/vid/avc1/1280x720/uQimLwqwxzqBctLM.mp4?tag=12'}], 'duration': 104904, 'views': None}], 'animated': []}, 'card': None, '_type': 'snscrape.modules.twitter.Tweet'}
Después de la limpieza y filtrado de usuarios se observa que se cuenta con 4713 entradas en total. La información relevante se encuentra en las columnas que contienen elementos de tipo objeto en su mayoría, ya que con estos se lograrán establecer relaciones y formar los grafos.
In [203]:
df_tweets_cleaned.info()
<class 'pandas.core.frame.DataFrame'> Index: 4545 entries, 0 to 5018 Data columns (total 20 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 id 4545 non-null int64 1 date 4545 non-null object 2 user 4545 non-null object 3 lang 4545 non-null object 4 rawContent 4545 non-null object 5 replyCount 4545 non-null int64 6 retweetCount 4545 non-null int64 7 likeCount 4545 non-null int64 8 quoteCount 4545 non-null int64 9 bookmarkedCount 4545 non-null int64 10 conversationId 4545 non-null int64 11 hashtags 4545 non-null object 12 mentionedUsers 4545 non-null object 13 viewCount 4470 non-null float64 14 quotedTweet 258 non-null object 15 inReplyToTweetId 3918 non-null float64 16 inReplyToUser 3998 non-null object 17 sourceUrl 4545 non-null object 18 sourceLabel 4545 non-null object 19 media 4545 non-null object dtypes: float64(2), int64(7), object(11) memory usage: 745.7+ KB
In [204]:
df_tweets_cleaned.describe()
Out[204]:
| id | replyCount | retweetCount | likeCount | quoteCount | bookmarkedCount | conversationId | viewCount | inReplyToTweetId | |
|---|---|---|---|---|---|---|---|---|---|
| count | 4.545000e+03 | 4545.000000 | 4545.000000 | 4545.000000 | 4545.000000 | 4545.000000 | 4.545000e+03 | 4.470000e+03 | 3.918000e+03 |
| mean | 1.832827e+18 | 6.602200 | 18.636304 | 94.880748 | 1.553135 | 4.215402 | 1.832302e+18 | 6.118750e+03 | 1.832967e+18 |
| std | 2.265285e+16 | 113.507436 | 257.707512 | 1818.577724 | 26.237587 | 107.150238 | 2.446949e+16 | 1.554745e+05 | 1.002718e+16 |
| min | 8.094212e+17 | 0.000000 | 0.000000 | 0.000000 | 0.000000 | 0.000000 | 8.094212e+17 | 1.000000e+00 | 1.257873e+18 |
| 25% | 1.833205e+18 | 0.000000 | 0.000000 | 0.000000 | 0.000000 | 0.000000 | 1.832935e+18 | 8.000000e+00 | 1.832977e+18 |
| 50% | 1.833600e+18 | 0.000000 | 0.000000 | 0.000000 | 0.000000 | 0.000000 | 1.833493e+18 | 2.400000e+01 | 1.833493e+18 |
| 75% | 1.833908e+18 | 0.000000 | 0.000000 | 2.000000 | 0.000000 | 0.000000 | 1.833663e+18 | 8.300000e+01 | 1.833660e+18 |
| max | 1.834281e+18 | 4783.000000 | 8307.000000 | 67416.000000 | 1336.000000 | 5277.000000 | 1.834281e+18 | 8.495723e+06 | 1.834279e+18 |
Resulta interesante notar que del total de tweets, prácticamente la mitad son usuarios únicos por lo que se podría indicar que en promedio hay 2 tweets de cada usuario.
In [205]:
df_tweets_cleaned['user']
usersList = []
for i in df_tweets_cleaned['user']:
usersList.append(i['username'])
print(f'Número de usuarios únicos: {len(set(usersList))}')
Número de usuarios únicos: 2477
La información obtenida del conteo de palabras más frecuentes obviando la de Guatemala, indica que el conjunto se centra en las decisiones del gobierno. En este caso la mayor frecuencia se centra en temas urgentes, el Ministerio Finanzas, el Diario de Centro América y principalemente en el presupuesto para el 2025.
In [206]:
dfHashtags = df_tweets_cleaned[df_tweets_cleaned['hashtags'].apply(lambda x: len(x) > 0)]
hashtags = [hashtag for sublist in dfHashtags['hashtags'] for hashtag in sublist]
text = ' '.join(hashtags)
wordcloud = WordCloud(width=800, height=400, background_color='white').generate(text)
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()
Observando la frecuencia de palabras en los tweets (tomando en cuenta todo el conjunto de palabras) se observa que todas hablan del propio presidente Bernardo Arévalo, así como todo lo relacionado al Gobierno de Guatemala.
In [207]:
textTweets = ' '.join(df_tweets_cleaned['rawContent'])
wordcloud = WordCloud(width=800, height=400, background_color='white').generate(textTweets)
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()
De esta información, se plantean 3 temas principales a identificar.
- ¿Cómo es la aceptación del presidente? Únicamente utilizando la información obtenida por el análisis exploratorio se podría decir que la aceptación del presidente no es principalmente positiva ya que dentro de las palabras más mencionadas o consideradas más frecuentes dentro de la nube de palabras se encuentra corrupto. En el apartado de palabras menos frecuentes, existen más diversidad, lo cual es un indicador de opiniones divididas.
- ¿Qué opinión (en términos positivos y/o negativos) tienen los guatemaltecos sobre el presupuesto 2025? Se puede indicar que para los guatemaltecos es un tema urgente y de vital importancia ya que tienen en la mira al ministerio de finanzas públicas y a los encargados de llevar a cabo este proceso.
- ¿Existen estructuras de usuarios encargadas de mejorar o manipular la imagen del presidente? Únicamente con el contexto del análisis exploratorio y de la información con la que se cuenta, es díficl indicar que existen estructuras de este tipo. Sin embargo, se pueden notar tendencias que indican descontento de ciertos grupos al utilizar el hashtag "yonotengopresidente" y a su vez, otro segmento o grupo identificable es el de "pactodecorruptos". Destacable es el uso de palabras como "netcentero/netcenter" o "semillero" por algunos usuarios para referirse a ciertas estructuras.
👥 Análisis de la topología de la red.¶
Se realiza un grafo en base a las menciones realizadas en los tweets.
In [208]:
png_file = "MencionesV1.png"
dot_file = "MencionesV1.dot"
if not (os.path.exists(png_file) and os.path.exists(dot_file)):
interactions = []
for index, row in df_tweets_cleaned.iterrows():
author = row['user']
author = author['username']
mentioned_users = row['mentionedUsers']
if isinstance(mentioned_users, list):
for user in mentioned_users:
mention = user.get('username', '').lower()
if mention:
interactions.append((author, mention))
df_interactions = pd.DataFrame(interactions, columns=['source', 'target'])
G = nx.from_pandas_edgelist(df_interactions, source='source', target='target', create_using=nx.DiGraph())
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G, k=0.5, iterations=50)
nx.draw(G, pos, with_labels=True, node_color='lightblue', edge_color='gray', node_size=3000, font_size=10, font_weight='bold', arrows=True)
plt.title("Grafo de menciones a usuarios en Twitter")
plt.savefig("MencionesV1.png")
write_dot(G, 'MencionesV1.dot')
else:
if os.path.exists(png_file):
img = Image(filename=png_file)
display(img)
else:
print(f"No se encontró el archivo PNG: {png_file}")
En la segunda versión se ocultan los nombres y se decide reducir el tamaño de los nodos.
In [209]:
png_file = "MencionesV2.png"
dot_file = "MencionesV2.dot"
if not (os.path.exists(png_file) and os.path.exists(dot_file)):
interactions = []
for index, row in df_tweets_cleaned.iterrows():
author = row['user']
author = author['username']
mentioned_users = row['mentionedUsers']
if isinstance(mentioned_users, list):
for user in mentioned_users:
mention = user.get('username', '').lower()
if mention:
interactions.append((author, mention))
df_interactions = pd.DataFrame(interactions, columns=['source', 'target'])
G = nx.from_pandas_edgelist(df_interactions, source='source', target='target', create_using=nx.DiGraph())
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G, k=0.5, iterations=50)
nx.draw(G, pos, with_labels=False, node_color='lightblue', edge_color='gray', node_size=20, font_size=12, font_weight='bold', arrows=True)
plt.title("Grafo de menciones a usuarios en Twitter")
plt.savefig(png_file)
write_dot(G, dot_file)
else:
if os.path.exists(png_file):
img = Image(filename=png_file)
display(img)
else:
print(f"No se encontró el archivo PNG: {png_file}")
Luego, para visualizar relaciones más relevantes se establece que solo se muestren los nodos con grado mayor a 5.
In [210]:
def load_graph_from_dot(dot_file):
G = read_dot(dot_file)
return G
def create_subgraph_by_degree(G, min_degree=1):
nodes_to_keep = [node for node, degree in dict(G.degree()).items() if degree >= min_degree]
subgraph = G.subgraph(nodes_to_keep).copy()
return subgraph
if not os.path.exists('MencionesV3.png'):
G = load_graph_from_dot('MencionesV2.dot')
min_degree = 5
G_sub = create_subgraph_by_degree(G, min_degree=min_degree)
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G_sub, k=0.5, iterations=50)
nx.draw(G_sub, pos, with_labels=False, node_color='lightblue', edge_color='gray', node_size=20, font_size=10, font_weight='bold', arrows=True)
plt.title(f"Grafo de menciones (Nodos con grado >= {min_degree})")
plt.savefig("MencionesV3.png")
else:
if os.path.exists('MencionesV3.png'):
img = Image(filename='MencionesV3.png')
display(img)
else:
print(f"No se encontró el archivo PNG: {'MencionesV3.png'}")
Debido a que no se logran observar patrones debido a la cantidad de relaciones, se amuentra el grado para visualizar solo los nodos que sean mayor o igual que 10.
In [211]:
png_file = "MencionesV4.png"
if not os.path.exists(png_file):
G = load_graph_from_dot('MencionesV2.dot')
min_degree = 10
G_sub = create_subgraph_by_degree(G, min_degree=min_degree)
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G_sub, k=0.5, iterations=50)
nx.draw(G_sub, pos, with_labels=False, node_color='orange', edge_color='gray', node_size=20, font_size=10, font_weight='bold', arrows=True)
plt.title(f"Grafo de menciones (Nodos con grado >= {min_degree})")
plt.savefig("MencionesV4.png")
else:
if os.path.exists(png_file):
img = Image(filename=png_file)
display(img)
else:
print(f"No se encontró el archivo PNG: {png_file}")
Finalmente, dado que aun no se perciben relaciones evidentes, se oculta la dirección de las aristas y el grado mínimo de visualización se eleva a 20.
In [212]:
png_file = "MencionesV5.png"
if not os.path.exists(png_file):
G = load_graph_from_dot('MencionesV2.dot')
min_degree = 20
G_sub = create_subgraph_by_degree(G, min_degree=min_degree)
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G_sub, k=0.5, iterations=50)
nx.draw(G_sub, pos, with_labels=False, node_color='orange', edge_color='gray', node_size=20, font_size=10, font_weight='bold', arrows=False)
plt.title(f"Grafo de menciones (Nodos con grado >= {min_degree})")
plt.savefig(png_file)
else:
if os.path.exists(png_file):
img = Image(filename=png_file)
display(img)
else:
print(f"No se encontró el archivo PNG: {png_file}")
Se desarrolla una matriz de adyacencia para observar las relaciones entre los nodos y tener un formato mejor sobre el cual trabajar.
In [213]:
G = load_graph_from_dot('MencionesV2.dot')
min_degree = 20
G_sub = create_subgraph_by_degree(G, min_degree=min_degree)
adj_matrix = nx.to_pandas_adjacency(G_sub)
plt.figure(figsize=(10, 8))
plt.imshow(adj_matrix, cmap='Greys', interpolation='none')
plt.title("Matriz de Adyacencia")
plt.colorbar()
plt.show()
In [214]:
degrees = dict(G_sub.degree())
nodes = list(degrees.keys())
degree_values = list(degrees.values())
plt.figure(figsize=(20, 6))
plt.bar(nodes, degree_values, color='orange')
plt.xlabel('Nodos')
plt.ylabel('Grado')
plt.title('Grado de cada nodo en el subgrafo')
plt.xticks(rotation=90)
plt.show()
Para una visualización más clara, se puede utiliza un grafico de barras horizontal. De este se logra destacar que los usuarios más mencionados son del presidente, el ministerio de gobernación, fjimenezmingob y ubaldomacu.
In [215]:
density = nx.density(G_sub)
print(f'Densidad de la red: {density:.4f}')
if nx.is_strongly_connected(G_sub):
lengths = dict(nx.all_pairs_shortest_path_length(G_sub))
max_length = max(max(lengths[node].values()) for node in lengths)
print(f'Diámetro de la red: {max_length}')
average_clustering = nx.average_clustering(G_sub, weight=None)
print(f'Coeficiente de agrupamiento promedio: {average_clustering:.4f}')
node_clustering = nx.clustering(G_sub, weight=None)
print('Coeficiente de agrupamiento de cada nodo:')
for node, clustering in node_clustering.items():
print(f'Nodo {node}: {clustering:.4f}')
else:
print('La red no está fuertemente conectada, el diámetro y el coeficiente de agrupamiento no están definidos.')
Densidad de la red: 0.0528 La red no está fuertemente conectada, el diámetro y el coeficiente de agrupamiento no están definidos.
👩🏽👧🏼👦🏿 Identificación de análisis de comunidades¶
Para el análisis de comunidades en la red se utilizó el algoritmo de Louvain, el cual va optimizando la modularidad, la medida que evalúa la densidad de conexiones dentro de las comunidades en comparación con fuera de ellas.
In [216]:
# Convertir a grafo no dirigido para Louvain
G_undirected = G_sub.to_undirected()
# Aplicar el algoritmo de Louvain
partition = community_louvain.best_partition(G_undirected)
# Agregar la comunidad como un atributo del nodo
nx.set_node_attributes(G_undirected, partition, 'community')
# Imprimir las comunidades detectadas
num_communities = len(set(partition.values()))
print(f'Número de comunidades detectadas: {num_communities}')
Número de comunidades detectadas: 6
Al hacerlo para nuestro grado se puede ver que se obtuvieron 6 comunidades, por lo que a continuación se obtiene el tamaño de estas para así tener las 3 de mayor tamaño y graficarlas de distinto color para ver como se visualizan dentro del grafo
In [217]:
# Obtener el tamaño de cada comunidad
community_sizes = {community: list(partition.values()).count(community) for community in set(partition.values())}
largest_communities = sorted(community_sizes, key=community_sizes.get, reverse=True)[:3]
# Asignar un color a cada comunidad
colors = cm.get_cmap('viridis', num_communities)
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G_undirected, k=0.7, iterations=50)
for community in largest_communities:
nodes = [node for node in partition if partition[node] == community]
nx.draw_networkx_nodes(G_undirected, pos, nodes, node_size=50,
node_color=[colors(community)] * len(nodes), label=f'Comunidad {community}')
nx.draw_networkx_edges(G_undirected, pos, edge_color='gray', width=1.5, alpha=0.5)
# Eliminar etiquetas de los nodos si no son necesarias
#nx.draw_networkx_labels(G_undirected, pos)
plt.title("Comunidades más grandes en la red de menciones (Louvain)")
plt.legend()
plt.show()
C:\Users\daher\AppData\Local\Temp\ipykernel_24688\987838142.py:6: MatplotlibDeprecationWarning: The get_cmap function was deprecated in Matplotlib 3.7 and will be removed two minor releases later. Use ``matplotlib.colormaps[name]`` or ``matplotlib.colormaps.get_cmap(obj)`` instead.
colors = cm.get_cmap('viridis', num_communities)
Luego obtuvimos distintas características de las comunidades como lo es cantidad de nodos, interacciones, es decir cantidad de aristas, su densidad, y los usuarios de los nodos más influyentes en la comunidad. Con ello podemos ver que la comunidad con menos aristas y nodos tiene mayor densidad, lo cual nos dice que las conexiones las tiene mucho más concentradas.
In [218]:
# Caracterización de las comunidades
for community in largest_communities:
nodes = [node for node in partition if partition[node] == community]
subgraph = G_undirected.subgraph(nodes)
# Tamaño de la comunidad
size = len(nodes)
density = nx.density(subgraph)
# Número de interacciones (aristas) dentro de la comunidad
num_edges = subgraph.number_of_edges()
# Nodos más influyentes (grado más alto)
top_nodes = sorted(subgraph.degree, key=lambda x: x[1], reverse=True)[:3]
print(f"Comunidad {community}:")
print(f"Tamaño: {size} nodos")
print(f"Interacciones: {num_edges} aristas")
print(f"Densidad: {density:.4f}")
print(f"Nodos más influyentes: {top_nodes}")
print("\n")
Comunidad 1:
Tamaño: 45 nodos
Interacciones: 167 aristas
Densidad: 0.1687
Nodos más influyentes: [('barevalodeleon', 30), ('__vadertg', 16), ('mpguatemala', 16)]
Comunidad 4:
Tamaño: 32 nodos
Interacciones: 127 aristas
Densidad: 0.2560
Nodos más influyentes: [('guatemalagob', 15), ('kroldegarcia', 14), ('fjimenezmingob', 13)]
Comunidad 3:
Tamaño: 26 nodos
Interacciones: 121 aristas
Densidad: 0.3723
Nodos más influyentes: [('aldanav52139161', 13), ('mundo9999', 13), ('cesa71183', 13)]
🟢 Análisis de influencers y nodos clave¶
Luego se realizó el análisis de influencers y nodos claves, en el cual obtuvimos varias métricas de centralidad de los nodos para así obtener los 5 usuarios más influyentes dentro de la red.
La primera métrica realizada fue la centralidad de grado, es decir usuarios con más conexiones directas es decir más menciones o retweets.
In [219]:
# Centralidad de grado
degree_centrality = nx.degree_centrality(G_sub)
# Mostrar los 5 usuarios con mayor centralidad de grado
top_degree = sorted(degree_centrality.items(), key=lambda x: x[1], reverse=True)[:5]
print("Usuarios con mayor centralidad de grado:\n")
for user, centrality in top_degree:
print(f"Usuario: {user}, Centralidad de grado: {centrality:.4f}")
Usuarios con mayor centralidad de grado: Usuario: barevalodeleon, Centralidad de grado: 0.5714 Usuario: guatemalagob, Centralidad de grado: 0.3534 Usuario: ubaldomacu, Centralidad de grado: 0.2707 Usuario: elrevoltijogt, Centralidad de grado: 0.2556 Usuario: mpguatemala, Centralidad de grado: 0.2481
Luego usamos centralidad de intermediación para obtener cuáles usuarios actuan como puentes en la red conectando comunidades.
In [220]:
# Centralidad de intermediación
betweenness_centrality = nx.betweenness_centrality(G_sub, normalized=True)
# Mostrar los 5 usuarios con mayor centralidad de intermediación
top_betweenness = sorted(betweenness_centrality.items(), key=lambda x: x[1], reverse=True)[:5]
print("\nUsuarios con mayor centralidad de intermediación:\n")
for user, centrality in (top_betweenness):
print(f"Usuario: {user}, Centralidad de intermediación: {centrality:.4f}")
Usuarios con mayor centralidad de intermediación: Usuario: ubaldomacu, Centralidad de intermediación: 0.0421 Usuario: benitoc67601310, Centralidad de intermediación: 0.0389 Usuario: __vadertg, Centralidad de intermediación: 0.0220 Usuario: anti_chairosgt, Centralidad de intermediación: 0.0112 Usuario: rafaeldelaguil8, Centralidad de intermediación: 0.0090
Y por último se hizo la centralidad de cercanía para obtener los usuarios que pueden llegar a todos los nodos con la menor cantidad de saltos.
In [221]:
# Centralidad de cercanía
closeness_centrality = nx.closeness_centrality(G_sub)
# Mostrar los 5 usuarios con mayor centralidad de cercanía
top_closeness = sorted(closeness_centrality.items(), key=lambda x: x[1], reverse=True)[:5]
print("Usuarios con mayor centralidad de cercanía:\n")
for user, centrality in top_closeness:
print(f"Usuario: {user}, Centralidad de cercanía: {centrality:.4f}")
Usuarios con mayor centralidad de cercanía: Usuario: barevalodeleon, Centralidad de cercanía: 0.5647 Usuario: guatemalagob, Centralidad de cercanía: 0.3482 Usuario: santipalomov, Centralidad de cercanía: 0.2548 Usuario: mpguatemala, Centralidad de cercanía: 0.2496 Usuario: fjimenezmingob, Centralidad de cercanía: 0.2473
Luego se realizaron 3 gráficos, uno por cada métrica donde se aprecia las centralidades calculadas en las redes aumentanto el tamaño y color de los nodos cuando tienen una mayor centralidad. Por ello podemos ver que tenemos mayores usuarios relacionados con métricas de centralidad de grado y cercanía que por centralidad de intermediación, de los cuales se obtuvieron cantidades más pequeñas a comparación de las otras dos métricas.
In [222]:
pos = nx.spring_layout(G_sub)
# Visualización de centralidad de grado
plt.figure(figsize=(12, 8))
node_size = [v * 10000 for v in degree_centrality.values()]
node_color = np.array(list(degree_centrality.values()))
nodes = nx.draw_networkx_nodes(G_sub, pos, node_size=node_size, node_color=node_color, cmap='viridis')
nx.draw_networkx_edges(G_sub, pos, alpha=0.3)
plt.title("Red de menciones con nodos proporcionales a la centralidad de grado")
plt.colorbar(nodes, label="Centralidad de grado") # Asignar la colorbar al objeto 'nodes'
plt.show()
# Visualización de centralidad de intermediación
plt.figure(figsize=(12, 8))
node_size_betweenness = [v * 10000 for v in betweenness_centrality.values()]
node_color_betweenness = np.array(list(betweenness_centrality.values()))
nodes_betweenness = nx.draw_networkx_nodes(G_sub, pos, node_size=node_size_betweenness, node_color=node_color_betweenness, cmap='plasma')
nx.draw_networkx_edges(G_sub, pos, alpha=0.3)
plt.title("Red de menciones con nodos proporcionales a la centralidad de intermediación")
plt.colorbar(nodes_betweenness, label="Centralidad de intermediación")
plt.show()
# Visualización de centralidad de cercanía
plt.figure(figsize=(12, 8))
node_size_closeness = [v * 10000 for v in closeness_centrality.values()]
node_color_closeness = np.array(list(closeness_centrality.values()))
nodes_closeness = nx.draw_networkx_nodes(G_sub, pos, node_size=node_size_closeness, node_color=node_color_closeness, cmap='cividis')
nx.draw_networkx_edges(G_sub, pos, alpha=0.3)
plt.title("Red de menciones con nodos proporcionales a la centralidad de cercanía")
plt.colorbar(nodes_closeness, label="Centralidad de cercanía")
plt.show()
🧑🏽💼 Detección y análisis de grupos aislados¶
En esta sección se identificaron componentes para el análisis de grupos aislados, donde se tomaron componenetes débilmente conexos y fuertemente conexos para obtener subredes o posibles grupos aislados, donde se obtuvieron que 2 subredes son las que están debilmente conectadas versus que 123 están fuertemente conectadas.
In [223]:
# Identificar componentes débilmente conexos (considera la estructura como un grafo no dirigido)
weakly_connected_components = list(nx.weakly_connected_components(G_sub))
print(f"Número de subredes débilmente conectadas: {len(weakly_connected_components)}")
# Identificar componentes fuertemente conexos
strongly_connected_components = list(nx.strongly_connected_components(G_sub))
print(f"Número de subredes fuertemente conectadas: {len(strongly_connected_components)}")
Número de subredes débilmente conectadas: 2 Número de subredes fuertemente conectadas: 123
Por lo que se procedió a la búsqueda de estas subredes aisladas, donde se ve una más grande que otra pero una contiene 133 nodos y se describen sus respectivos usuarios, y la otra solo tiene un nodo, estando totalmente aislado el nodo.
In [224]:
# Subredes aisladas (componentes pequeños)
small_components = [comp for comp in weakly_connected_components if len(comp) < 200]
print(f"Subredes pequeñas (menos de 200 nodos): {len(small_components)}")
# Opcional: Mostrar nodos en alguna subred pequeña
for i, comp in enumerate(small_components):
print(f"Subred {i+1}, Longitud: {len(comp)}: {comp}")
Subredes pequeñas (menos de 200 nodos): 2
Subred 1, Longitud: 133: {'guate_opina', 'ottoperezmolina', 'kroldegarcia', 'pressfreedom', 'dvidx84', 'raulbarreragt', 'barevalodeleon', 'papaabumario', '_spguatemala', 'lucreciapeinado', 'karinherreravp', 'jlfont001', 'rquinonezl', 'vanessaherrer02', 'salquevedo', 'oco_motora', 'corleone_62', 'prensacomunitar', 'cidh', 'mmendoza_gt', 'cmendeza', 'mendiamariela', 'mpguatemala', 'samemerz68789', 'pncdeguatemala', 'samuel_pz', 'aztecanoticiagt', 'spaceboy88fly', 'luchopo81993102', 'benitoc67601310', 'ubaldomacu', 'msemillagt', 'elrevoltijogt', 'aldanav52139161', 'soy_502', 'rafaeldelaguil8', 'satgt', 'billyc2023', 'marvgcaceres', 'juliantono400', 'olsenpsico', 'anti_chairosgt', 'wichomarg', 'elojodelcerro', 'elmerlandazuri7', 'radio_tgw', 'diaco_gt', 'volker_turk', 'guatemejor1', 'agn_noticias', 'cesa71183', 'silencio009', 'pfacticos', 'sandra_jovelp', 'avillagran502', 'gersongudielcas', 'c_smaldonado', 'usaidguate', 'unhumanrights', 'royalvaradogt', 'magaguatemala', 'civ_guatemala', 'gilrey422483', 'un_spexperts', 'harol5665776575', 'pvacav', 'lahoragt', 'factor4_gt', 'ashley_monzon', 'publinewsgt', 'erroresgt', 'lared1061', 'santipalomov', 'eedlb', 'caoilfhionnanna', 'plazapublicagt', 'mariochiu2', 'mirnadesoto1', 'hptamd', 'ivanduque', 'mundo9999', '__vadertg', 'elquenews', 'pepecuevas73', 'statedept', 'guatemalagob', 'patrici07680625', 'diariodeca', 'congresoguate', 'rafaelae1967', 'edwadriperez', 'estaciondoblea', 'viceguatemala', 'donaldoalvr', 'felixsinexcusas', 'arronchopa', 'jimmymoralesgt', 'orellanafredy1', 'uclcgt', 'vvj_gt', 'leraovalle', 'jczamora', 'dtransitopnc', 'vicentecarrera_', 'emisorasunidas', 'cncguatemala', 'ojguatemala', 'rele_cidh', 'chatagira', 'rudysalgue', 'marco310367', 'bancadasemilla', 'drgiammattei', 'guiselabarrios', 'muniguate', 'martinmoli59062', 'sw_jrh96', 'el_pais', 'pacogoldman', 'drewzecena', 'fjimenezmingob', 'nenucosm81863', 'alfredo93672277', 'rsf_inter', 'frjuheal', 'marielosmonzon', 'maynorestradagt', 'pollosdb', 'gxldedibu', 'viniciogutierr3', 'mingobguate', 'ialmgg', 'yoda_baganas'}
Subred 2, Longitud: 1: {'isapaiz_'}
De estas dos redes se puede ver que se calculó las interacciones que tienen entre nodos, teniendo la más grande con 941 interacciones y la otra con 0, haciendo que su densidad sea bastante pequeña y hasta nula, siento 0.0536 y 0 respectivamente.
In [225]:
# Analizar una de las subredes aisladas (por ejemplo, la primera subred pequeña)
isolated_subgraph_nodes = list(small_components[0])
isolated_subgraph = G_sub.subgraph(isolated_subgraph_nodes)
isolated_subgraph_nodes2 = list(small_components[1])
isolated_subgraph2 = G_sub.subgraph(isolated_subgraph_nodes2)
# Mostrar algunas estadísticas de la subred aislada
print(f"Subred aislada con {len(isolated_subgraph)} nodos y {isolated_subgraph.size()} interacciones.")
# Calcular la densidad de la subred
density_isolated = nx.density(isolated_subgraph)
print(f'Densidad de la subred aislada: {density_isolated:.4f}')
# Mostrar la centralidad de grado en la subred aislada
degree_centrality_isolated = nx.degree_centrality(isolated_subgraph)
print(f"Centralidad de grado de la subred aislada: {degree_centrality_isolated}")
# Mostrar algunas estadísticas de la subred aislada
print(f"\nSubred aislada con {len(isolated_subgraph2)} nodos y {isolated_subgraph2.size()} interacciones.")
# Calcular la densidad de la subred
density_isolated2 = nx.density(isolated_subgraph2)
print(f'Densidad de la subred aislada: {density_isolated2:.4f}')
# Mostrar la centralidad de grado en la subred aislada
degree_centrality_isolated2 = nx.degree_centrality(isolated_subgraph2)
print(f"Centralidad de grado de la subred aislada: {degree_centrality_isolated2}")
Subred aislada con 133 nodos y 941 interacciones.
Densidad de la subred aislada: 0.0536
Centralidad de grado de la subred aislada: {'guate_opina': 0.022727272727272728, 'ottoperezmolina': 0.030303030303030304, 'kroldegarcia': 0.1590909090909091, 'pressfreedom': 0.09090909090909091, 'dvidx84': 0.1893939393939394, 'raulbarreragt': 0.007575757575757576, 'barevalodeleon': 0.5757575757575758, 'papaabumario': 0.15151515151515152, '_spguatemala': 0.09848484848484848, 'lucreciapeinado': 0.03787878787878788, 'karinherreravp': 0.12121212121212122, 'jlfont001': 0.12878787878787878, 'rquinonezl': 0.03787878787878788, 'vanessaherrer02': 0.09090909090909091, 'salquevedo': 0.13636363636363635, 'oco_motora': 0.030303030303030304, 'corleone_62': 0.1893939393939394, 'prensacomunitar': 0.09848484848484848, 'cidh': 0.12121212121212122, 'mmendoza_gt': 0.08333333333333334, 'cmendeza': 0.08333333333333334, 'mendiamariela': 0.12121212121212122, 'mpguatemala': 0.25, 'samemerz68789': 0.10606060606060606, 'pncdeguatemala': 0.12878787878787878, 'samuel_pz': 0.07575757575757576, 'aztecanoticiagt': 0.06060606060606061, 'spaceboy88fly': 0.09090909090909091, 'luchopo81993102': 0.08333333333333334, 'benitoc67601310': 0.16666666666666669, 'msemillagt': 0.045454545454545456, 'ubaldomacu': 0.2727272727272727, 'elrevoltijogt': 0.25757575757575757, 'aldanav52139161': 0.21212121212121213, 'soy_502': 0.05303030303030303, 'rafaeldelaguil8': 0.09848484848484848, 'satgt': 0.007575757575757576, 'billyc2023': 0.13636363636363635, 'marvgcaceres': 0.007575757575757576, 'juliantono400': 0.12878787878787878, 'olsenpsico': 0.08333333333333334, 'anti_chairosgt': 0.12121212121212122, 'wichomarg': 0.1893939393939394, 'elojodelcerro': 0.07575757575757576, 'elmerlandazuri7': 0.16666666666666669, 'radio_tgw': 0.12121212121212122, 'volker_turk': 0.12121212121212122, 'diaco_gt': 0.007575757575757576, 'guatemejor1': 0.17424242424242425, 'agn_noticias': 0.12121212121212122, 'cesa71183': 0.18181818181818182, 'silencio009': 0.015151515151515152, 'sandra_jovelp': 0.06060606060606061, 'pfacticos': 0.09848484848484848, 'avillagran502': 0.045454545454545456, 'gersongudielcas': 0.10606060606060606, 'c_smaldonado': 0.06060606060606061, 'usaidguate': 0.09090909090909091, 'unhumanrights': 0.09848484848484848, 'royalvaradogt': 0.030303030303030304, 'civ_guatemala': 0.030303030303030304, 'magaguatemala': 0.10606060606060606, 'gilrey422483': 0.09090909090909091, 'un_spexperts': 0.09090909090909091, 'harol5665776575': 0.08333333333333334, 'pvacav': 0.09848484848484848, 'lahoragt': 0.09848484848484848, 'factor4_gt': 0.045454545454545456, 'ashley_monzon': 0.030303030303030304, 'publinewsgt': 0.015151515151515152, 'erroresgt': 0.18181818181818182, 'lared1061': 0.015151515151515152, 'santipalomov': 0.2272727272727273, 'eedlb': 0.14393939393939395, 'plazapublicagt': 0.08333333333333334, 'caoilfhionnanna': 0.09090909090909091, 'mariochiu2': 0.16666666666666669, 'mirnadesoto1': 0.23484848484848486, 'hptamd': 0.015151515151515152, 'ivanduque': 0.015151515151515152, 'mundo9999': 0.15151515151515152, '__vadertg': 0.2272727272727273, 'elquenews': 0.12121212121212122, 'pepecuevas73': 0.19696969696969696, 'statedept': 0.05303030303030303, 'guatemalagob': 0.3560606060606061, 'patrici07680625': 0.12878787878787878, 'diariodeca': 0.13636363636363635, 'congresoguate': 0.12878787878787878, 'rafaelae1967': 0.08333333333333334, 'edwadriperez': 0.10606060606060606, 'estaciondoblea': 0.16666666666666669, 'viceguatemala': 0.015151515151515152, 'donaldoalvr': 0.18181818181818182, 'felixsinexcusas': 0.12121212121212122, 'arronchopa': 0.06060606060606061, 'jimmymoralesgt': 0.05303030303030303, 'orellanafredy1': 0.05303030303030303, 'uclcgt': 0.08333333333333334, 'vvj_gt': 0.14393939393939395, 'jczamora': 0.12878787878787878, 'leraovalle': 0.06818181818181818, 'dtransitopnc': 0.08333333333333334, 'vicentecarrera_': 0.14393939393939395, 'emisorasunidas': 0.05303030303030303, 'cncguatemala': 0.022727272727272728, 'ojguatemala': 0.10606060606060606, 'rele_cidh': 0.09848484848484848, 'chatagira': 0.03787878787878788, 'rudysalgue': 0.06818181818181818, 'marco310367': 0.18181818181818182, 'bancadasemilla': 0.14393939393939395, 'drgiammattei': 0.10606060606060606, 'guiselabarrios': 0.11363636363636365, 'muniguate': 0.030303030303030304, 'martinmoli59062': 0.10606060606060606, 'sw_jrh96': 0.09848484848484848, 'el_pais': 0.05303030303030303, 'pacogoldman': 0.06818181818181818, 'fjimenezmingob': 0.2196969696969697, 'drewzecena': 0.030303030303030304, 'nenucosm81863': 0.07575757575757576, 'alfredo93672277': 0.12878787878787878, 'rsf_inter': 0.09848484848484848, 'frjuheal': 0.015151515151515152, 'marielosmonzon': 0.07575757575757576, 'maynorestradagt': 0.09090909090909091, 'pollosdb': 0.15151515151515152, 'gxldedibu': 0.06818181818181818, 'viniciogutierr3': 0.015151515151515152, 'mingobguate': 0.17424242424242425, 'ialmgg': 0.10606060606060606, 'yoda_baganas': 0.10606060606060606}
Subred aislada con 1 nodos y 0 interacciones.
Densidad de la subred aislada: 0.0000
Centralidad de grado de la subred aislada: {'isapaiz_': 1}
Luego se muestra un pequeño gráfico para ver el ambos grupos aislados viendo que el de 133 nodos a pesar de ser pequeño en comparación al resto del grafo tiene bastantes interacciones, versus la otra que solo contiene un usuario la cual no está conectado ni interactuando con ningún otro usuario.
In [226]:
# Visualización de una subred aislada
pos = nx.spring_layout(isolated_subgraph, k=0.5, iterations=20)
nx.draw(isolated_subgraph, pos, with_labels=False, node_color='lightgreen', edge_color='gray', node_size=100)
plt.title("Visualización de una subred aislada")
plt.show()
# Visualización de una subred aislada
pos = nx.spring_layout(isolated_subgraph2, k=0.5, iterations=20)
nx.draw(isolated_subgraph2, pos, with_labels=True, node_color='pink', edge_color='gray', node_size=800, font_size=10, font_weight='bold')
plt.title("Visualización de una subred aislada")
plt.show()
💓 Análisis de contenido y sentimiento¶
Por último realizamos un análisis de sentimiento analizando las palabras de los tweets en nuestra red donde se puede ver que la mayoría de palabras son neutrales, luego le siguen algunas positivas y por último las negativas que son minoría pero más emparejadas con las positivas.
In [232]:
nltk.download('vader_lexicon')
sia = SentimentIntensityAnalyzer()
def analyze_tweet_sentiment(tweet):
positive_count = 0
negative_count = 0
neutral_count = 0
words = tweet.split()
for word in words:
sentiment = sia.polarity_scores(word) # Obtener el puntaje de sentimiento de cada palabra
if sentiment['compound'] >= 0.05: # Si es positivo
positive_count += 1
elif sentiment['compound'] <= -0.05: # Si es negativo
negative_count += 1
else: # Si es neutral
neutral_count += 1
total_words = len(words)
if total_words == 0:
return "Neutral", positive_count, negative_count, neutral_count
positive_percentage = (positive_count / total_words) * 100
negative_percentage = (negative_count / total_words) * 100
neutral_percentage = (neutral_count / total_words) * 100
if positive_percentage > negative_percentage:
sentiment = f"Positivo ({positive_percentage:.2f}%)"
elif negative_percentage > positive_percentage:
sentiment = f"Negativo ({negative_percentage:.2f}%)"
else:
sentiment = f"Neutral ({neutral_percentage:.2f}%)"
return sentiment, positive_count, negative_count, neutral_count
sentiments = {'positive': 0, 'neutral': 0, 'negative': 0}
tweet_list = []
for tweet in df_tweets_cleaned['rawContent']:
tweet_text = str(tweet)
sentiment_score = sia.polarity_scores(tweet_text)
if sentiment_score['compound'] >= 0.05:
sentiments['positive'] += 1
elif sentiment_score['compound'] <= -0.05:
sentiments['negative'] += 1
else:
sentiments['neutral'] += 1
word_sentiment, pos_count, neg_count, neu_count = analyze_tweet_sentiment(tweet_text)
tweet_list.append({
'tweet': tweet_text,
'tweet_sentiment': word_sentiment,
'positive_words': pos_count,
'negative_words': neg_count,
'neutral_words': neu_count
})
for i, tweet_data in enumerate(tweet_list[:100]):
print(f" \n🐦 Tweet {i+1}: {tweet_data['tweet']}")
print(f"Sentimiento: {tweet_data['tweet_sentiment']}")
print(f"Palabras positivas: {tweet_data['positive_words']}")
print(f"Palabras negativas: {tweet_data['negative_words']}")
print(f"Palabras neutrales: {tweet_data['neutral_words']}")
print()
print(f"Sentimientos positivos: {sentiments['positive']}")
print(f"Sentimientos negativos: {sentiments['negative']}")
print(f"Sentimientos neutrales: {sentiments['neutral']}")
[nltk_data] Downloading package vader_lexicon to [nltk_data] C:\Users\daher\AppData\Roaming\nltk_data... [nltk_data] Package vader_lexicon is already up-to-date!
🐦 Tweet 1: confirmado compañeres impuesto solo cuenta pagado apoyo través huye esconde verdadero pueblo guatemalteco Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 13 🐦 Tweet 2: medios informaron ayer acerca visita presidente sacado toda prisa manifestantes pedían ser escuchados mandatario decidió huir manera Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 17 🐦 Tweet 3: usaste pegasus espiar detractores obra narcisista conciencia buena pinta corazon negro podrido dentro alma Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 14 🐦 Tweet 4: entienden bien cuadrando productivareunión Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 5: presidente vicepresidenta participan sesión solemne conmemoración 203 aniversario independencia república guatemala Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 11 🐦 Tweet 6: hijo puta inyectó enfermedades venereas guatemaltecos Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 7: bueno trae guatemala Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 3 🐦 Tweet 8: productiva genere productivo charla construya real productivo bien similar unas viejas chismosas hablando temas random Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 15 🐦 Tweet 9: presidente república hace ingreso hemiciclo legislativo participar sesión solemne conmemoración aniversario independencia país Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 13 🐦 Tweet 10: tampoco izmierda cago guatemala recuerdan experimentos guatemaltecos Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 11: happening now president participates in the commemoration of the 203rd anniversary of the independence of the republic of guatemala Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 19 🐦 Tweet 12: presidente participa sesión solemne conmemoración 203 aniversario independencia república guatemala Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 10 🐦 Tweet 13: ingreso presidente hemiciclo parlamentario participar sesión solemne conmemoración 203 años independencia patria Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 12 🐦 Tweet 14: quisiera ver presidente sacara narconsuelo esbirros mp cc csj cómo serranazo sabemos cómo terminó glorioso cacacif demás corruptos desean haga sacarlo gobierno Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 22 🐦 Tweet 15: hagan reir presidente ilegitimo funcionario publico ilegitimo impuesto embajada usa luchando cooptar cortes instituciones imparten justicia ser jusgado fraude crimenes corrupcion verdadera descripcion Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 23 🐦 Tweet 16: cobarde rata regresa colombia devolver familia robó Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 17: presidente participa sesión solemne conmemoración 203 aniversario independencia república guatemala Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 10 🐦 Tweet 18: aproveche pida asilo pegasus va quedar impune Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 19: deberías salir cama huevón pisado ver precio verduras bararo gracias presidente Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 11 🐦 Tweet 20: año celebro independencia Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 3 🐦 Tweet 21: según usted padre cómo debería proceder presidente Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 22: deberia hacer crear empresa publica estaciones cargas electricas atraeria mucha ied empezar pensar largo plazo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 15 🐦 Tweet 23: netcentero quetzal digo mentiras creciendo naris Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 24: desinformacion ayer entregadas 9637 raciones poblaciones vulnerables yes máster molesto entrega pudo meter mano dinero dichas raciones gracias ayuda Sentimiento: Positivo (5.26%) Palabras positivas: 1 Palabras negativas: 0 Palabras neutrales: 18 🐦 Tweet 25: gobierno bernardo arévalo pierde credibilidad lleva 10 raciones alimentos santa maria nebaj tomarse fotos únicamente semilla incapacidad corrupción gobierno Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 19 🐦 Tweet 26: Sentimiento: Neutral Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 0 🐦 Tweet 27: desinformacion ayer entregadas 9637 raciones poblaciones vulnerables yes máster molesto entrega pudo meter mano dinero dichas raciones gracias ayuda Sentimiento: Positivo (5.26%) Palabras positivas: 1 Palabras negativas: 0 Palabras neutrales: 18 🐦 Tweet 28: llega años tobillos Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 3 🐦 Tweet 29: net semilla haciendo cuota día Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 5 🐦 Tweet 30: temprano querés poner weco Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 31: última hora ayer visita quiche pobladores confrontan presidente bernardo arévalo beneficiar bolsas solidarias alimentos grupos específico dejar necesitados asi primavera Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 20 🐦 Tweet 32: semillero verdad únicos ofenden maltratan agreden poseer argumentos Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 8 🐦 Tweet 33: ojalá aprenda Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 2 🐦 Tweet 34: decepción apellido arévalo pésima administración Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 5 🐦 Tweet 35: hizo pudo putas puede hacermejor póngase pilas busque buen abogado responda pegasus Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 12 🐦 Tweet 36: creo riendo creo punto darte derrame ver cómo ídolo barro sirve solo dos cosas Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 14 🐦 Tweet 37: ahí secuaces saqueando pueblo girar instrucciones auditoria caiga caer Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 9 🐦 Tweet 38: definitivamente diría padre Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 3 🐦 Tweet 39: netcentear mulas Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 2 🐦 Tweet 40: hablaron quién lelo quién da risa Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 41: guatemala merece responda necesidades ciudadanía materia salud seguridad educación infraestructura vial Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 11 🐦 Tweet 42: expresidente colombia iván duque reunió mandatario guatemala vía léster ramírez Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 10 🐦 Tweet 43: aquí calladitos empezando ahí si pronuncian absolutamente venezuela implorando invasión gringa Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 11 🐦 Tweet 44: imagen recorre mundo argentina milei duele Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 45: Sentimiento: Neutral Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 0 🐦 Tweet 46: ivan duque cerdo basura hijo puta delincuente bandido debería cárcel payaso Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 11 🐦 Tweet 47: oiga lacra dio pegassus vicky Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 5 🐦 Tweet 48: necesario diputados parilizado gobierno 950 citaciones tranquilo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 49: democraticamente formado firmas muertos dejen defender lacras lacras mierda solo politico bueno decadas kk Sentimiento: Positivo (14.29%) Palabras positivas: 2 Palabras negativas: 0 Palabras neutrales: 12 🐦 Tweet 50: efectivamente mafia judicial guatemalteca quieren veas logró verdadero líder convocar fuerza legislativa ahora pueblo méxico muestra camino cómo quita poder mafia juzgados Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 22 🐦 Tweet 51: consiste reforma judicial aprobada hoy méxico manu levin repasado principales cambios supone base Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 13 🐦 Tweet 52: comentario claro muni pagando Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 53: señor ministro contactaron día domingo lunes extorsionarme puse denuncia mp anticipo lista arma respetar derechos humanos usted defiende criminales Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 19 🐦 Tweet 54: nueva primavera nueva configuración poder ladino guatemala Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 55: haciendo fraking verdad Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 3 🐦 Tweet 56: excellent presidente van despegando ver llorar fachos satisfacción Sentimiento: Positivo (12.50%) Palabras positivas: 1 Palabras negativas: 0 Palabras neutrales: 7 🐦 Tweet 57: tranquilo quedó norte damepreso debería basura Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 58: analítico expresó opinión argumentos sólidos mayor capacidad análisis niño kinder persona Sentimiento: Positivo (9.09%) Palabras positivas: 1 Palabras negativas: 0 Palabras neutrales: 10 🐦 Tweet 59: Sentimiento: Neutral Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 0 🐦 Tweet 60: Sentimiento: Neutral Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 0 🐦 Tweet 61: nayo vos haciendo cualquier buen recuerdo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 62: Sentimiento: Neutral Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 0 🐦 Tweet 63: entonces padre golpe ilústreme porfa Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 5 🐦 Tweet 64: jajajajaja Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 1 🐦 Tweet 65: hace mandatario perdiendo tiempo gordo mk dio cuidar medio ambiente presidente reunión debe ser igual sostuvo biden salida baño Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 19 🐦 Tweet 66: hizo si robar menos ahora presidente Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 67: totalmente acuerdo existe derecho si existiera viéramos vemos hoy grandes corruptos corruptores pagan salen libres Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 15 🐦 Tweet 68: todavía cree presidente Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 3 🐦 Tweet 69: caerá gobierno impuesto puedan sacar imposible gracias cicig ex semilleros acontezca seguiré aquí trabajando siendo productivo dios ordena ví maje Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 20 🐦 Tweet 70: reclama corruptos inosentes encarcelan ladrones dejan libres entonces bengas cuentos baratos corrupto Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 12 🐦 Tweet 71: vos queres siga manteniendo hdp huevón corrupto mierda Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 8 🐦 Tweet 72: idiay coyolón pueblo ama ahora viendo realidad llegaste fraude caído rápido cualquier sucede ilegítimo incapaz puesto Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 16 🐦 Tweet 73: parece si hacemos película nombre padre contando historia voz comenta si deacuerdo contacto buen quionista Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 15 🐦 Tweet 74: creo así va quedar ayer pase gente trabajando Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 8 🐦 Tweet 75: momento diputada jovel minúsculas deponga interpelación soledad llegando velocidad luz Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 10 🐦 Tweet 76: aún así ve ninguna propuesta acción concreta desnutrición crónica infantil Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 10 🐦 Tweet 77: half of all child deaths are linked to malnutrition improving the nutrition of mothers and children could save many lives at relatively low cost read the new article from Sentimiento: Positivo (6.90%) Palabras positivas: 2 Palabras negativas: 1 Palabras neutrales: 26 🐦 Tweet 78: hueco vos pedazo mierda Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 79: encanta show impresentable existe gratis mas viniendo gobierno clientelismo paga impuestos cuantos miles costó cada bolsa Sentimiento: Positivo (6.25%) Palabras positivas: 1 Palabras negativas: 0 Palabras neutrales: 15 🐦 Tweet 80: da tiempo presidente csj magistrado oscar cruz afirmó antejuicios presidente aún siguen curso csj conozca vea entrevista canal youtube Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 19 🐦 Tweet 81: si tenes rojo hoyo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 82: ojo mijo imagino sumerce narcoderecha buscando rutas allá Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 8 🐦 Tweet 83: arévalo vive viva arévalo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 84: vendale rolex Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 2 🐦 Tweet 85: redactando flamante gobernadorcito comunicado repudiando injusticia imbécil destitución Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 8 🐦 Tweet 86: condenan erwin sperisen ejecuciones extrajudiciales medios internacionales informan exdirector pnc erwin sperisen nuevamente condenado 14 años cárcel ejecuciones extrajudiciales 7 reos 2006 redes sociales sperisen Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 25 🐦 Tweet 87: excelente presidente papel presidente queda grande igual quedó pasó casa nariño ahora si juega ser presidente hacer bien Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 18 🐦 Tweet 88: gobiernos anteriores pudieron comprar donación pendejo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 6 🐦 Tweet 89: do panamá vale 16 bilies Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 5 🐦 Tweet 90: solo show llevaron 10 bolsas joda déjese teatros corruptos Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 9 🐦 Tweet 91: araña tipo 10 pts bolsas llegó dar encararon dijeron bagre ahí dijeron Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 12 🐦 Tweet 92: buscando asilo Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 2 🐦 Tweet 93: pronto va enviar carta amor bb buen muchacho matarife va caer espaldas Sentimiento: Positivo (8.33%) Palabras positivas: 1 Palabras negativas: 0 Palabras neutrales: 11 🐦 Tweet 94: viste mierdero región caribe Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 95: mandatario participará jueves 12 septiembre sesión solemne congreso república programada 1000 horas motivo 203 años independencia vía léster ramírez Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 19 🐦 Tweet 96: q ud hace productivo bolsillo marrano hijueputa hampón Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 8 🐦 Tweet 97: productiva Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 1 🐦 Tweet 98: seguro andan inventándole caso Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 4 🐦 Tweet 99: cerdo idiota dizque productivo deberías pagando abudineado ojos sacaste método gobernar espiando celulares puerco mierda pegasus pagas maldito cerdo acomodado hijito rata madrina Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 23 🐦 Tweet 100: hablaron pegasus Sentimiento: Neutral (100.00%) Palabras positivas: 0 Palabras negativas: 0 Palabras neutrales: 2 Sentimientos positivos: 218 Sentimientos negativos: 104 Sentimientos neutrales: 4223
Luego se realizo un análisis de tópicos con LDA, el cual consiste en la múltiplicación de la probabilidad de la palabra de aparecer en ese tema por la respectiva palabra, donde podemos ver que tenemos 4 temas y cada uno con sus palabras relacionadas al tema con su respectiva probabilidad de aparecer dentro de este.
In [229]:
sia = SentimentIntensityAnalyzer()
nltk.download('punkt_tab')
# Análisis de Tópicos con LDA
# Crear el diccionario y el corpus
tokenized_texts = df_tweets_cleaned['rawContent'].apply(word_tokenize)
dictionary = Dictionary(tokenized_texts)
corpus = [dictionary.doc2bow(text) for text in tokenized_texts]
# Entrenar el modelo LDA
lda_model = LdaModel(corpus=corpus, id2word=dictionary, num_topics=5, random_state=42)
# Mostrar los temas
topics = lda_model.print_topics(num_words=10)
print("\nTemas identificados:")
for idx, topic in topics:
print(f"Tema {idx}: {topic}")
[nltk_data] Downloading package punkt_tab to [nltk_data] C:\Users\daher\AppData\Roaming\nltk_data... [nltk_data] Package punkt_tab is already up-to-date!
Temas identificados: Tema 0: 0.010*"gobierno" + 0.008*"presidente" + 0.007*"corruptos" + 0.006*"mejor" + 0.006*"así" + 0.005*"si" + 0.004*"hacer" + 0.004*"hace" + 0.004*"bien" + 0.004*"puede" Tema 1: 0.008*"si" + 0.006*"ahora" + 0.006*"guatemala" + 0.006*"corrupción" + 0.005*"presidente" + 0.005*"años" + 0.005*"debe" + 0.005*"sos" + 0.004*"ser" + 0.004*"país" Tema 2: 0.006*"si" + 0.006*"salud" + 0.006*"guatemala" + 0.005*"gobierno" + 0.005*"arévalo" + 0.005*"solo" + 0.005*"pueblo" + 0.005*"presidente" + 0.004*"corruptos" + 0.004*"corrupción" Tema 3: 0.016*"si" + 0.012*"q" + 0.009*"gobierno" + 0.006*"vos" + 0.005*"solo" + 0.005*"mierda" + 0.005*"mejor" + 0.005*"así" + 0.004*"va" + 0.004*"usted" Tema 4: 0.012*"solo" + 0.007*"jajaja" + 0.006*"presidente" + 0.005*"semilla" + 0.005*"hacer" + 0.005*"si" + 0.004*"diputados" + 0.003*"q" + 0.003*"hambre" + 0.003*"fraudulento"
Con la información recopilada, se puede determinar que los influencers y comunidades detectadas durante el análisis de los tweets, muestran un papel significativo en la forma de modelar la opinión pública. Usuarios como barevalodeleon y guatemalagob son actores clave debido a su alta centralidad de grado y centralidad de cercanía. Esto nos indica que tienen una amplica conexión con otros nodos y por lo tanto, cuentan con gran influencia en la transmisión de información y la formación de opiniones.
Estos nodos no solo son usuarios centrales, si no que forman parte de una estructura, que en el caso del presidente, podrían estar configurados para modelar la percepción positiva o negativa de su gobierno.
Definitivamente existe polarización de opiniones dado la diversidad de hashtags y palabras mencionadas, destacando "#yonotengopresidente". El uso de palabras como netcenter o semillo podria revelar la existencia de grupos organizados no significativamente grandes pero estructurados con fines específicos para modelar la narrativa en torno al presidente y otros temas de interés nacional. Cabe destacar que no se asegura que estén organizados necesariamente.
Los sentimientos predominantes en los tweets son mayoritariamente neutros (4223), con una cantidad considerable de sentimientos positivos (218) y negativos (104), lo que refleja que no existe una opinión firme por parte de la población. No es posible indicar que existe un descontento o un apoyo directo por parte de la población, lo que sí se puede confirmar es que la diversidad de opiniones presentes indican un sentimiento de incertidumbre presente en todos los ciudadanos.